Cittadini, imprese e PA: quanto è diffusa davvero l’AI in Europa

Il 2025 e il 2026 hanno segnato un cambiamento nel modo in cui l’Europa guarda all’Intelligenza Artificiale. Finora il dibattito si era concentrato soprattutto su regole e principi. Oggi, grazie ai dati armonizzati pubblicati da Eurostat e integrati dagli istituti nazionali, in Italia dall’Istat, abbiamo finalmente numeri affidabili su quanto l’AI sia davvero presente nella società e nell’economia [1].

Dal paradigma normativo alla misurazione oggettiva

Non si tratta più di discutere se l’AI cambierà tutto.

Si tratta di misurare dove, quanto e per chi sta cambiando qualcosa. E i numeri raccontano una storia diversa dalla retorica dell’adozione di massa: mostrano un fenomeno a macchia di leopardo, con forti squilibri legati all’età, al titolo di studio, alla dimensione dell’impresa e alla geografia.

Eurostat ha inserito domande specifiche sull’AI dentro le indagini ICT che già svolgeva su famiglie e imprese. In tal modo abbiamo a disposizione dati confrontabili in scala EU sugli utilizzatori reali dell’AI, sugli ambiti di utilizzo, sulle tecnologie e, aspetto spesso trascurato ma essenziale per chi deve decidere politiche pubbliche, sulle motivazioni di utilizzo. I risultati confermano che l’AI non si sta diffondendo in modo orizzontale: segue e amplifica le linee di frattura già esistenti nella società [2].

Per chi progetta agende digitali, pubbliche amministrazioni comprese, i nuovi dati a disposizione spostano il baricentro del policy making, chiarendo che sono necessari meno campagne generiche di sensibilizzazione e più interventi mirati sulla mancanza di competenze tecniche e sull’incertezza riguardo le regole.

Metodologia della misurazione, standardizzazione e comparabilità

Misurare l’AI non è banale. Bisogna prima decidere cosa si sta misurando, e la definizione deve essere abbastanza chiara da funzionare in un questionario rivolto a imprenditori e cittadini di 27 Paesi diversi.

Per l’indagine di cui parleremo, ICT 2025, Eurostat ha ripreso la definizione operativa dell’OCSE: l’AI è un insieme di sistemi che usano tecnologie come il text mining, la computer vision, il riconoscimento vocale, la generazione di linguaggio naturale e il machine learning. Raccolgono, elaborano e usano i dati per stabilire, con vari gradi di autonomia, qual è l’azione migliore per raggiungere l’obiettivo [2], tra cui generare contenuti, codice ed azioni.

Eurostat ha preferito evitare un nuovo questionario dedicato all’AI, ha inserito le domande dentro i moduli tematici già esistenti. La scelta ha una logica precisa: l’AI non è quasi mai una tecnologia a sé stante, ma un sistema integrato dentro software più ampi [4].

Questa modalità di rilevazione è cruciale per la comparabilità internazionale. Permette di distinguere chi ha davvero portato l’AI in produzione da chi l’ha solo sperimentata.

Tabella 1. Confronto metodologico sui tassi di adozione dell’AI nel settore privato [1].

La tabella mostra bene quanto conti la scelta dell’indicatore. Se si includono i progetti pilota, si ottengono numeri altissimi, utili forse per una presentazione motivazionale ma fuorvianti per un confronto istituzionale. I dati Eurostat e OCSE, ancorati all’uso effettivo in produzione, restituiscono un’immagine più realistica del tessuto produttivo [7].

L’Intelligenza Artificiale tra i cittadini europei, demografia e disuguaglianze

Nel 2025 Eurostat ha inserito per la prima volta nell’indagine ICT sulle famiglie un modulo dedicato all’AI generativa [3]. I risultati mostrano un tasso di adozione medio che sembra discreto, ma che nasconde differenze molto forti appena si incrociano le variabili socio-demografiche.

La geografia dell’adozione individuale

Il 33% degli europei tra i 16 e i 74 anni ha usato strumenti come ChatGPT, Copilot o Midjourney nei tre mesi precedenti l’intervista [3]. Siamo oltre la fase dei primi adottanti, ma lontani dall’idea che ormai li usino tutti.

La mappa europea mostra un’indicazione chiara: più si sale a “nord”, più l’adozione cresce.

Tabella 2. Dati Eurostat 2025, indicatore isoc_ai_iaiu [3]. Norvegia e Svizzera sono Paesi EFTA inclusi nella rilevazione.

I tre predittori. Età, istruzione e genere

Guardando dentro i dati, le variabili che spiegano l’uso dell’AI generativa sono principalmente tre.

Età. L’uso cala in modo quasi lineare con l’aumentare dell’età. Nella fascia 16-24 anni il tasso è del 64%; tra i 65 e i 74 anni scende al 7%. Tra i più giovani, il 62% degli utilizzatori lo fa per motivi di studio, scuola o università [3].

Istruzione. Chi ha un titolo di studio elevato usa l’AI generativa molto più degli altri: 49%, contro il 26% di chi ha istruzione media e il 22% di chi ha istruzione bassa [3].

Genere. Il divario c’è ma è più contenuto: 35% degli uomini contro 30% delle donne a livello europeo [3].

Questi numeri raccontano una storia precisa. L’AI generativa, oggi, non funziona come tecnologia di livellamento che dà a tutti le stesse opportunità. Al contrario, sembra operare con un “effetto San Matteo”: chi ha già buoni strumenti analitici e un bagaglio culturale solido è anche chi riesce a usare meglio ChatGPT e strumenti simili. Il capitale umano preesistente viene amplificato, non colmato.

Perché molti non la usano

Capire perché due terzi degli europei non toccano strumenti di AI generativa è importante quanto sapere chi li usa, soprattutto per chi progetta servizi pubblici.

Tra chi non l’ha mai usata, il motivo più citato è semplice: il 64% dice che non ne ha bisogno (“no perceived need”) [3]. Non è una questione di paura o diffidenza: è proprio assenza di un caso d’uso percepito nella vita quotidiana.

Seguono la mancanza di competenze (14%), il fatto di non sapere nemmeno che questi strumenti esistono (9%) e le preoccupazioni su privacy e sicurezza dei dati (7%) [3].

Il dato del 64% ha un’implicazione pratica importante per le pubbliche amministrazioni: se la maggioranza dei cittadini non sente il bisogno di interagire con l’AI, integrarla nei servizi pubblici con interfacce che richiedono prompt o comandi espliciti rischia di escludere proprio chi dovrebbe beneficiarne. La strada più sensata è l’integrazione “invisibile”: AI nei processi di back-end, interfacce semplificate, automazione che l’utente non deve imparare a comandare [3].

Il tessuto produttivo. Produttività, intensità digitale e polarizzazione

Se tra i cittadini l’uso dell’AI è trainato dal livello di istruzione e dalle esigenze personali, tra le imprese il motore è un altro: produttività, ottimizzazione dei processi, analisi dei dati. Nel 2025, il 20% delle imprese dell’Unione Europea con almeno 10 addetti ha usato almeno una tecnologia di Intelligenza Artificiale [5]. Il trend è in crescita, era il 13,5% nel 2024 e l’8,1% nel 2023, ma il rovescio della medaglia è che l’80% delle imprese europee non ha ancora toccato l’AI in produzione [5].

Il divario dimensionale e l’infrastruttura abilitante

Basta separare i dati per classe dimensionale per osservare che la fotografia cambia radicalmente. L’adozione dell’AI non è solo disomogenea: è spaccata in due.

• Tabella 3. Dati Eurostat 2025per gli indicatori “Artificial intelligence by size class of enterprise” (isoc_eb_ai) e “Cloud computing services by size class of enterprise” ( isoc_cicce_use) [2]; per l’indicatore DII l’ultimo dato disponibile e del 2024 [33].

Tra grandi e piccole imprese c’è uno scarto di 38 punti percentuali. Non è un dettaglio: è il problema strutturale da cui partire. L’adozione dell’AI si appoggia su due gambe: infrastruttura Cloud e maturità digitale complessiva (il DII, Digital Intensity Index). Nel 2025 il 52,7% delle imprese UE usava servizi cloud a pagamento, ma con uno squilibrio vistoso: 85% tra le grandi, appena 52% tra le PMI [6].

Stessa storia per i software gestionali complessi come gli ERP (Enterprise Resource Planning), che sono il serbatoio di dati strutturati da cui i modelli di AI attingono. Li usa l’88,7% delle grandi imprese. Tra le piccole, il 41,0% [6]. È un chiaro rischio macroeconomico: poche grandi aziende incassano i guadagni di efficienza dell’automazione algoritmica e dell’analisi predittiva, mentre la platea delle PMI accumula ritardo competitivo [7].

Tecnologie prevalenti e ostacoli all’integrazione

Intelligenza Artificiale è un termine ombrello. Per comprendere cosa usano le imprese è necessario scomporlo. Nel 2025, le tecnologie più diffuse nell’UE ruotano quasi tutte attorno al linguaggio e ai contenuti multimediali.

1. Analisi del linguaggio scritto (Text mining): 11,8% delle imprese. Tra le grandi sale al 35,0%, nel settore ICT al 42,2% [2].
2. Generazione di immagini, video, audio: 9,5% [2].
3. Generazione di linguaggio naturale (NLP / Speech synthesis): 8,8% [2].
4. Riconoscimento vocale (Speech recognition): 7,2% [2].
5. Tecnologie per il movimento fisico autonomo (robotica, droni): 1,4% [2].

Robotica e sistemi cyber-fisici restano confinati a nicchie industriali. A dominare sono le applicazioni software, specie l’AI generativa, usata soprattutto per marketing, vendite e gestione dei processi amministrativi [2].

Eurostat non si è fermata alle percentuali d’uso: ha chiesto alle imprese che hanno valutato l’AI senza adottarla (il 14,2% del totale) perché si sono fermate. Le risposte disegnano tre tipi di frizione:

1. mancanza di competenze specialistiche (70,9%): si tratta del più importante ostacolo, che non è tecnologico ma riguarda le persone. Reperire talenti è stato e resta il nodo principale [2];
2. incertezza sulle conseguenze legali (52,5%): la complessità dei framework normativi frena l’integrazione [2];
3. preoccupazioni su privacy e protezione dati (48,8%): integrare AI con i database aziendali ha sollevato dubbi di conformità con la normativa GDPR [2].

Solo il 20,7% ha risposto “non ci serve” [2]. Le imprese confermano di sentire il bisogno, quello che manca sono competenze, certezze giuridiche e garanzie sulla protezione dei dati.

Il posizionamento dell’Italia, accelerazioni e ritardi strutturali

L’Italia rispetto agli indicatori europei sull’AI mostra una doppia faccia: fragilità di lungo corso da un lato, accelerazioni recenti dall’altro. I report Istat “Cittadini e ICT” e “Imprese e ICT” per il 2025 lo documentano.

Cittadini italiani e competenze digitali

L’Italia è penultima nella classifica europea sull’AI generativa: nel 2025 solo il 20% dei cittadini tra i 16 e i 74 anni l’ha usata [3]. La ragione di fondo non è misteriosa: mancano le competenze digitali di base. L’Istat registra un miglioramento, nel 2025 la quota di persone con competenze digitali almeno di base è salita al 54,3%, 8,4 punti in più del 2024, ma l’obiettivo europeo per il 2030 è l’80% [10]. Si è ancora indietro.

Il divario interno tra Nord e Sud è misurabile in modo concreto. L’uso dell’identità digitale (SPID o CIE), che è il prerequisito per accedere ai servizi della PA, segna 52,3% al Nord contro 38,3% nel Mezzogiorno [10]. Emilia-Romagna (58,2%), Trento (56,4%) e Lombardia (55,0%) stanno da una parte; Calabria (33,8%), Molise (36,6%) e Sicilia (36,7%) dall’altra [10].

Poi però ci sono i dati sui più giovani, e lo scenario cambia. Tra i 14 e i 19 anni l’uso dell’AI generativa supera il 50%. Con un’inversione interessante: lo usa il 53,3% delle ragazze contro il 49,1% dei ragazzi [10]. Dai 25 anni in su la dinamica di genere si rovescia e torna in linea con la media europea, a prevalenza maschile [9]. Il punto è chiaro: il ritardo italiano non viene dalle nuove generazioni. Viene dalle competenze scarse della popolazione adulta e anziana [11].

Imprese italiane, raddoppio dell’adozione e rischio competenze

Sul fronte produttivo il 2025 segna un cambio di passo. L’Istat certifica che il 16,4% delle imprese italiane con almeno 10 addetti usa tecnologie di AI, il doppio dell’8,2% registrato nel 2024 [8]. Da tenere in considerazione che, secondo l’Osservatorio Artificial Intelligence del Politecnico di Milano, si stima che il mercato italiano dell’AI abbia toccato 1,8 miliardi di euro, +50% anno su anno [12].

L’Italia si avvicina alla media europea. Ma se si guarda dentro il dato per classe dimensionale, la polarizzazione si aggrava: il gap tra grandi imprese e PMI è passato da 20 punti nel 2023 a 37 nel 2025 [8]. Invece, da qualche segnale positivo nel monitoraggio del “Decennio Digitale 2030”: l’Italia ha coperto l’88,3% del percorso verso il target del 90% di PMI con livello base di intensità digitale, e il 90,7% del percorso verso il target di diffusione del cloud intermedio/avanzato (obiettivo: 75% delle imprese) [8]. Da tenere in considerazione che si tratta di percentuali di avanzamento verso gli obiettivi, non di tassi di adozione già raggiunti. L’analisi avanzata dei dati e l’AI, però, restano concentrate alle imprese più grandi [8].

A pesare è anche il deficit formativo. Il rapporto “EDUNext” dell’Osservatorio Look4ward (Intesa Sanpaolo–Luiss), basato su oltre 600 imprese, afferma che l’85% di chi usa AI ha avviato o sta progettando formazione dedicata. Ma solo il 19% presenta percorsi strutturati e continuativi mentre l’allatro lato il 44% delle imprese non prevede investimenti formativi nei prossimi 12-24 mesi ed il 46% dei dipendenti non ha ricevuto alcuna formazione specifica [13]. Senza upskilling, l’AI rischia di diventare una scatola nera inserita nei processi senza che i dipendenti ne capiscano l’affidabilità o i rischi.

Pubblica Amministrazione, capacità istituzionale e regolamentazione

Le pubbliche amministrazioni hanno un doppio ruolo: regolano l’uso dell’AI e, allo stesso tempo, dovrebbero adottarla per prime per migliorare i servizi e orientare il mercato con la leva degli appalti pubblici. Non è affatto semplice: introdurre AI nella governance locale e regionale significa garantire che la tecnologia serva l’interesse pubblico e non eroda la fiducia nelle istituzioni democratiche [14].

La strategia “Apply AI” e il public procurement

L’8 ottobre 2025 la Commissione Europea ha adottato la strategia “Apply AI” (COM(2025) 723) [17]. È un punto di svolta concettuale: l’obiettivo non è più solo contenere i rischi dell’AI, ma spingere attivamente l’adozione settoriale. Il settore pubblico viene riconosciuto come acquirente strategico, in grado di trainare l’ecosistema digitale [17].

La strategia promuove un approccio “AI-first”: le organizzazioni pubbliche sono incentivate a valutare soluzioni basate su AI nei processi decisionali, con preferenza per soluzioni open-source e un principio “buy European” [15]. Attraverso gli appalti per l’innovazione, le PA possono ridurre la dipendenza da fornitori extra-europei e sostenere lo scale-up di startup GovTech continentali [18]. L’iniziativa Challenge-Driven AI Innovation Booster, un bando Horizon Europe in apertura, con 42 milioni di euro per ricerca e sviluppo in sanità, mobilità autonoma e manifattura avanzata, chiederà alle amministrazioni e ai consorzi industriali di formulare problemi complessi che le PMI dovranno risolvere con architetture AI [16].

L’AI Act e le linee guida sui sistemi ad alto rischio (HRAIs)

L’AI nei processi della PA deve rispettare l’AI Act (Regolamento UE 2024/1689). Il 19 maggio 2026 la Commissione ha pubblicato le bozze di linee guida, non vincolanti, sulla classificazione dei sistemi di AI ad alto rischio. La consultazione degli stakeholder, inizialmente prevista più breve, è stata prorogata fino al 23 luglio 2026, con l’adozione definitiva che è attesa entro fine anno [19, 32].

Le linee guida affermano un principio importante: i sistemi AI complessi composti da più componenti, inclusi i sistemi agentici, vanno valutati come un unico sistema, se gli output influenzano in modo sostanziale una decisione ad alto rischio [19].

L’identificazione biometrica è soggetta a eccezioni molto rigide per le forze dell’ordine negli spazi pubblici [20]. Ma le linee guida vanno oltre, e chiariscono che i sistemi di “categorizzazione biometrica” che deducono caratteristiche protette o sensibili (come etnia o stato di salute) e i sistemi di “riconoscimento delle emozioni” (che inferiscono intenzioni o stati d’animo da voce o volto) sono classificati ad alto rischio. Questo comporta l’obbligo di valutazioni di impatto sui diritti fondamentali (FRIA) e registrazione nei database UE [19].

Infine, c’è stato un aggiornamento sulle scadenze: dopo l’accordo politico sul pacchetto “Digital Omnibus”, l’applicazione degli obblighi per i sistemi ad alto rischio è stata posticipata al 2 dicembre 2027 per i sistemi stand-alone (Allegato III) e al 2 agosto 2028 per quelli integrati in prodotti regolamentati (Allegato I) [32].

Capacity building e formazione nella PA

Governare questa complessità, normativa e tecnologica insieme, richiede un investimento massiccio in formazione. A livello europeo, l’AI Literacy è considerata essenziale per permettere al personale di capire come funzionano i sistemi, saperne interpretare gli output e riconoscere le distorsioni [21].

In Italia, Formez PA ha messo l’inclusione digitale e l’innovazione organizzativa basata su AI al centro della programmazione 2026-2028, con l’obiettivo di aiutare le amministrazioni locali ad adottare piattaforme di gestione dati e procedure digitalizzate [22].

Il Politecnico di Milano ha lanciato master e corsi post-laurea come “Artificial Intelligence for Public Services”, pensati per formare figure come l’AI Services Manager e l’AI Governance Expert [23]. I contenuti vanno dal risk management al ridisegno dei servizi pubblici, fino alla gestione dell’innovazione negli appalti. Sono le competenze che servono per passare da sperimentazioni isolate a sistemi interoperabili e davvero affidabili [18].

Strumenti di finanziamento, fondi strutturali e sviluppo territoriale

Allineare imprese e PA agli obiettivi digitali europei ha un costo per cui servono finanziamenti dedicati. Oltre ai bandi diretti della Commissione, come quelli via Interoperable Europe per soluzioni GovTech [24], i programmi operativi regionali (PR FESR) offrono modelli di intervento pensati per colmare proprio il divario dimensionale che l’Istat fotografa.

Prendiamo la Regione Siciliana: con l’avviso “Digit Imprese” (Azioni 1.2.2 e 1.1.2 del PR FESR 2021-2027) ha stanziato oltre 28 milioni di euro per sostenere la transizione digitale di micro, piccole e medie imprese. Sono contributi a fondo perduto in regime de minimis, con un’intensità massima dell’80% delle spese ammissibili e un tetto di 150.000 euro per impresa [25].

Sul piano nazionale, i fondi interprofessionali stanno facendo la loro parte. L’avviso 4/2025 di Fondimpresa ha messo 5 milioni di euro per piani formativi rivolti ai lavoratori delle PMI coinvolte in progetti di intelligenza artificiale. L’obiettivo dichiarato è un’adozione consapevole e responsabile [26].

La sfida metodologica: misurare l’AI nelle statistiche ufficiali (AIML4OS)

Misurare l’economia dell’AI non è solo un esercizio statistico: è una sfida che tocca dall’interno gli stessi istituti nazionali di statistica. Queste agenzie devono misurare l’impatto della tecnologia e allo stesso tempo integrarla nei propri processi produttivi. L’AI generativa nelle statistiche ufficiali promette di estrarre valore dai dati, ma porta con sé rischi concreti: trasparenza, governance, fiducia pubblica, i pilastri del patto tra uffici statistici e cittadini [27].

Per affrontare il problema in modo strutturato, Eurostat ha lanciato AIML4OS (AI and Machine Learning for Official Statistics), un progetto ESSnet cofinanziato dalla Commissione Europea. È partito ad aprile 2024 e durerà fino a marzo 2028; coinvolge 16 Paesi europei, con il coordinamento del CSO irlandese [28]. L’idea di fondo è semplice: smettere di accumulare prototipi che restano esercizi teorici e portare l’AI davvero in produzione, con linee guida, standard metodologici, casi d’uso funzionanti e ambienti di elaborazione condivisi [28].

Il progetto si articola in 13 Work Package, sette dei quali dedicati a casi d’uso specifici. È interessante considerarli perché evidenziano le priorità operative delle amministrazioni pubbliche nel trattamento dei dati.

• Dati sull’osservazione della geosfera (WP Earth Observation): modelli di computer vision basati su immagini satellitari per classificare l’uso del suolo e stimare i rendimenti agricoli (crop mapping) [28].
• Classificazione automatizzata (WP Text to Code): machine learning per categorizzare grandi volumi di testo non strutturato. Il caso d’uso principale è l’analisi degli annunci di lavoro online: permette di estrarre indicatori sperimentali sulla domanda di competenze a livello europeo in tempo quasi reale, senza aspettare i tempi lunghi delle indagini campionarie [28].
• Reti di fornitura (WP Supply Chain Networks): modelli per ricostruire relazioni acquirente-fornitore globali fino al livello di granularità della singola impresa [28].
• Imputazione ed editing (WP Editing / Imputation): algoritmi per trovare anomalie (outlier) e ricostruire probabilisticamente i dati mancanti nei database statistici, migliorando la qualità del dato pubblico [28].
• Generazione di dati sintetici (WP Synthetic Data): dati artificiali che conservano le proprietà statistiche degli originali, che servono per fare ricerca e addestrare modelli senza violare i vincoli di privacy [28].
• Large Language Models e RAG (WP LLMs): si esplora l’uso degli LLM per automatizzare il controllo qualità.

Un altro progetto di Eurostat che deve essere menzionato è la costruzione di un sistema basato su Retrieval-Augmented Generation (RAG), alimentato esclusivamente da metadati, glossari, articoli metodologici e documentazione interna. Lo scopo è di creare un assistente che risponda sul dominio statistico senza allucinazioni essendo per progetto strettamente vincolato al perimetro delle pubblicazioni ufficiali [28].

Il paradigma degli “AI-Ready Data”

Dal lavoro del consorzio AIML4OS è emerso il concetto “AI-Ready Data” che dovrebbe entrare nel vocabolario di chiunque progetti servizi pubblici digitali [28]. Il punto è che si può costruire l’interfaccia più sofisticata del mondo, chatbot, modelli di linguaggio o dashboard predittive, ma se lo strato di dati sottostante è un disorganizzato, mancano metadati o le semantiche sono ambigue, non funziona correttamente.

I dati pronti per l’AI devono essere ben strutturati, descritti semanticamente senza ambiguità, leggibili dalle macchine e ripuliti da distorsioni. Le statistiche ufficiali potranno attraversare in sicurezza canali informativi guidati dall’AI solo se il patrimonio informativo di base sarà organizzato in modo che i modelli possano operare con affidabilità, conservando il significato logico dei dati per chi li interpreta [28].

Conclusioni

L’analisi integrata delle rilevazioni ufficiali nel biennio 2025-2026 non conferma la convinzione generale di un’adozione uniforme dell’Intelligenza Artificiale in Europa. Emerge invece un fenomeno asimmetrico, fortemente correlato a disuguaglianze preesistenti relative ad istruzione formale, dimensione aziendale e maturità dell’infrastruttura digitale.

Per la cittadinanza, l’AI generativa agisce come amplificatore delle capacità analitiche nelle coorti più giovani e istruite. Tuttavia, la predominanza di percezione di non-bisogno percepito, da parte del 64% dei non utilizzatori, dovrebbe fornire alle pubbliche amministrazioni la motivazione ad integrare l’AI in modo nativo e trasparente, riducendo le barriere all’accesso per la maggioranza della popolazione.

L’Italia, pur registrando una promettente dinamicità nelle nuove generazioni, continua a scontare pesanti divari territoriali nell’alfabetizzazione digitale di base. Nel tessuto produttivo, il distacco di 38 punti percentuali tra grandi imprese e PMI certifica il rischio di una polarizzazione macroeconomica della produttività. La difficoltà di attrarre profili dotati di competenze specialistiche adeguate, più che il costo tecnologico, rappresenta la prima barriera all’innovazione per le organizzazioni oggi in ritardo.

La risposta istituzionale delineata dalla strategia “Apply AI”, dall’AI Act e dalle iniziative per le agenzie statistiche come AIML4OS traccia una rotta programmatica. Le PA e le imprese dovrebbero convergere sull’uso strategico del public procurement per stimolare un ecosistema europeo sovrano, sull’investimento sistematico nella formazione del personale e sulla rigorosa conversione dei patrimoni informativi in “AI-Ready Data”. Solo mediante un approccio orientato ai dati strutturati e al capitale umano potrà essere possibile trasformare il potenziale dell’Intelligenza Artificiale in produttività per le imprese e valore pubblico per i cittadini.

Bibliografia

1. The use of artificial intelligence technologies in the European Union – Key results – 2026 edition – Statistical reports – Eurostat, https://ec.europa.eu/eurostat/web/products-statistical-reports/w/ks-01-26-009
2. Use of artificial intelligence in enterprises Statistics Explained – European Commission, https://ec.europa.eu/eurostat/statistics-explained/SEPDF/cache/106920.pdf
3. Use of artificial intelligence by individuals – Statistics Explained – Eurostat, https://ec.europa.eu/eurostat/statistics-explained/index.php?title=Use_of_artificial_intelligence_by_individuals
4. Issues Note – Measuring Artificial Intelligence in Official Statistics DETF workshop, 18 February, Session 2 – Istat, https://www.Istat.it/wp-content/uploads/2021/02/Issue-note-measurement-of-AI-in-official-statistics-DETF-workshop-2021-02-18.pdf
5. 20% of EU enterprises use AI technologies – News articles – Eurostat – European Union, https://ec.europa.eu/eurostat/web/products-eurostat-news/w/ddn-20251211-2
6. Digital economy and society statistics – – European Commission, https://ec.europa.eu/eurostat/statistics-explained/SEPDF/cache/33473.pdf
7. AI use by individuals surges across the OECD as adoption by firms continues to expand – OECD (28 gennaio 2026), https://www.oecd.org/en/about/news/announcements/2026/01/ai-use-by-individuals-surges-across-the-oecd-as-adoption-by-firms-continues-to-expand.html
8. Imprese e Ict – Anno 2025 – Istat, https://www.Istat.it/comunicato-stampa/imprese-e-ict-anno-2025/
9. Intelligenza artificiale, italiani fanalino di coda UE. Il 5% ne ignora l’esistenza – AGI, https://www.agi.it/economia/news/2026-04-22/intelligenza-artificiale-Istat-italia-36702890/
10. Aumentano le competenze digitali – Istat, https://www.Istat.it/wp-content/uploads/2026/04/Testo-integrale-e-nota-metodologica.pdf
11. Competenze digitali, Italia a due velocità: gli under 25 hanno già raggiunto gli obiettivi europei, ancora differenze tra Nord e Sud. Dati Istat – Tecnica della Scuola, https://www.tecnicadellascuola.it/competenze-digitali-italia-a-due-velocita-gli-under-25-hanno-gia-raggiunto-gli-obiettivi-europei-ancora-differenze-tra-nord-e-sud-dati-Istat
12. Il mercato dell’AI in Italia cresce del 50% nel 2025, 1,8 mld di euro – Osservatorio Artificial Intelligence, Politecnico di Milano, https://www.osservatori.net/comunicato/artificial-intelligence/intelligenza-artificiale-italia/
13. EDUNext – Nuovi scenari per l’Education e le competenze nell’era dell’AI, Osservatorio Look4ward, Intesa Sanpaolo – Università Luiss Guido Carli (giugno 2026); sintesi: Intesa, cresce adozione dell’Ia nelle imprese italiane ma mancano le competenze – ANSA, https://www.ansa.it/sito/notizie/economia/2026/06/18/intesa-cresce-adozione-dellia-nelle-imprese-italiane-ma-mancano-le-competenze_f7de942e-0692-4d76-b845-85c731067079.html
14. CG(2026)50-17 – CoE Search – The Council of Europe, https://search.coe.int/cm?i=09125948802ae993
15. Apply AI Strategy – Shaping Europe’s digital future – European Union, https://digital-strategy.ec.europa.eu/en/policies/apply-ai
16. Apply AI: Challenge-Driven AI Innovation Booster in Apply AI prioritised sectors (RIA) (Partnership in AI, Data and Robotics) | Horizon-europe.gouv.fr, https://www.horizon-europe.gouv.fr/apply-ai-challenge-driven-ai-innovation-booster-apply-ai-prioritised-sectors-ria-partnership-ai
17. Advancing AI adoption in EU public administrations: Future directions and opportunities under the Apply AI Strategy – JRC Publications, https://publications.jrc.ec.europa.eu/repository/handle/JRC143539
18. Support public buyers in procuring AI-enabled solutions that are trustworthy, fair and secure, https://public-buyers-community.ec.europa.eu/communities/procurement-ai/resources/advancing-ai-adoption-eu-public-administrations-future
19. EU AI Act Update: The European Commission Publishes Draft Guidelines on HRAIs, https://www.globalpolicywatch.com/2026/06/eu-ai-act-update-the-european-commission-publishes-draft-guidelines-on-hrais/
20. INTELLIGENZA ARTIFICIALE NELLA PUBBLICA AMMINISTRAZIONE: – Polis Lombardia, https://www.polis.lombardia.it/wps/wcm/connect/0ffe3825-8a61-4f15-b26d-08d0393abfa6/251325ISTRF_PP_IAnellaPA_ed202511.pdf?MOD=AJPERES&CACHEID=ROOTWORKSPACE-0ffe3825-8a61-4f15-b26d-08d0393abfa6-pLGgSwH
21. Intelligenza artificiale: il Governo vara le regole attuative, cosa cambia per PA, professionisti e lavoro, https://www.lavoripubblici.it/news/ia-regole-attuative-pa-professionisti-lavoro-38257
22. PIANO TRIENNALE 2026-2028 – Amministrazione Trasparente, https://amministrazionetrasparente.formez.it/download/attachment/1678/69662813328f11.91967017.pdf
23. Artificial Intelligence for Public Services – POLI.design, https://www.polidesign.net/it/formazione/business-design/master–artificial-intelligence-for-public-services/
24. EU Digital Funding Opportunities – Interoperable Europe Portal – European Union, https://interoperable-europe.ec.europa.eu/eu-digital-funding-opportunities
25. Digitalizzazione e innovazione, 28 milioni in due bandi per imprese – EuroInfoSicilia, https://www.euroinfosicilia.it/digitalizzazione-e-innovazione-28-milioni-in-due-bandi-per-imprese/
26. Fondimpresa – Bando Formazione Intelligenza Artificiale – Anci Toscana, https://ancitoscana.it/fondimpresa-bando-formazione-intelligenza-artificiale/
27. Generative AI for Official Statistics – UNECE, https://unece.org/sites/default/files/2025-09/Generative%20AI%20for%20Official%20Statistics%20HLG-MOS%20Report.pdf
28. AIML4OS – AI and Machine Learning for Official Statistics: Work Packages e casi d’uso, sito ufficiale del progetto ESSnet, https://aiml4os.github.io/
29. Economy | The 2025 AI Index Report – Stanford HAI, https://hai.stanford.edu/ai-index/2025-ai-index-report/economy
30. Business Trends and Outlook Survey (BTOS) – AI supplement – U.S. Census Bureau, https://www.census.gov/data/experimental-data-products/business-trends-and-outlook-survey.html
31. AI Adoption Research – Department for Science, Innovation and Technology (DSIT), GOV.UK (gennaio 2026), https://www.gov.uk/government/publications/ai-adoption-research/ai-adoption-research
32. Draft Commission guidelines on the classification of high-risk AI systems – European Commission, Shaping Europe’s digital future (19 maggio 2026), https://digital-strategy.ec.europa.eu/en/library/draft-commission-guidelines-classification-high-risk-ai-systems
33. Towards Digital Decade targets for Europe – Statistics Explained – Eurostat, https://ec.europa.eu/eurostat/statistics-explained/index.php?title=Towards_Digital_Decade_targets_for_Europe

10.1 Ulteriori fonti consultate

Collaborating with Artificial Intelligence and Machine Learning for Quality – Q2026, https://www.q2026.hr/programme/conference-programme/session-21/

The use of artificial intelligence (AI) technologies in the European Union – Key results – 2026 edition (KS-01-26-009), Eurostat, https://ec.europa.eu/eurostat/web/products-statistical-reports/w/ks-01-26-009

Digital Decade – EU-level trajectories (2025), https://digital-decade-desi.digital-strategy.ec.europa.eu/datasets/dd-trajectories/charts/dd-trajectories-2025?indicator=dd_ai_cloud_da&indicatorGroup=digital_decade&breakdown=dd_ideal_2024&period=2030&unit=pc_ent

Digitalisation in Europe – 2026 edition – Interactive publications – European Commission, https://ec.europa.eu/eurostat/web/interactive-publications/digitalisation-2026

Share of people in European countries using generative AI tools | Our World in Data, https://ourworldindata.org/grapher/share-europe-using-generative-ai

AI: usata dal 20% degli italiani, contro media Ue del 33% – Key4biz, https://www.key4biz.it/ai-ultimi-in-europa-secondo-lIstat-usata-dal-20-degli-italiani-contro-media-ue-del-33/570651/

Eurostat 2026 Report Highlights Europe’s Digital Skills Gap – Digital4Business, https://digital4business.eu/eurostat-2026-digitalisation-digital-skills-scholarships/

Intelligenza artificiale, dati e cloud: la corsa digitale delle imprese italiane, https://www.itinerariprevidenziali.it/il-punto/intelligenza-artificiale-dati-e-cloud/

AI in European firms – where is it used and how is it changing business processes? – ČNB, https://www.cnb.cz/en/monetary-policy/monetary-policy-reports/boxes-and-articles/AI-in-European-firms-where-is-it-used-and-how-is-it-changing-business-processes/

ICT – Istat, https://www.Istat.it/tag/ict/

(PDF) “Digital Divide e Ricerca Sociale. Riflessioni metodologiche nella prospettiva della sociologia della salute” – ResearchGate, https://www.researchgate.net/publication/406929249_Digital_Divide_e_Ricerca_Sociale_Riflessioni_metodologiche_nella_prospettiva_della_sociologia_della_salute

Imprese e ICT – Anno 2025 – Istat, https://www.Istat.it/wp-content/uploads/2025/12/Statreport_ICT2025.pdf

AI, raddoppia l’uso nelle imprese italiane: dall’8,2% del 2024 al 16,4% del 2025. I dati Istat, https://www.key4biz.it/ai-raddoppia-luso-nelle-imprese-italiane-dall82-del-2024-al-164-del-2025-i-dati-Istat/559811/

Advancing AI adoption in EU public administrations – Publications Office of the EU, https://op.europa.eu/publication/manifestation_identifier/PUB_KJ0125444ENN

Empowering Learners for the Age of AI – AILit Framework, https://ailiteracyframework.org/pdfs/framework_pdf/AILF_en.pdf

L’Intelligenza Artificiale nella pubblica amministrazione – Osservatori Digital Innovation, https://www.osservatori.net/webinar/artificial-intelligence/pubblica-amministrazione-intelligenza-artificiale/

INTELLIGENZA ARTIFICIALE PER LA PUBBLICA AMMINISTRAZIONE – Politecnico di Milano, https://www.polimi.it/formazione/formazione-oltre-la-laurea/master-universitari-e-corsi-post-laurea/dettaglio-master/2918

INTELLIGENZA ARTIFICIALE NELLA PUBBLICA AMMINISTRAZIONE: OPPORTUNITÀ, APPLICAZIONI E DISCIPLINA – Politecnico di Milano, https://www.polimi.it/formazione/formazione-oltre-la-laurea/master-universitari-e-corsi-post-laurea/dettaglio-master/522?scroll=true&cHash=a1943ba863a77f99b76842fd59722a31

Avviso “DIGIT IMPRESE” – Azione 1.2.2 “Sostegno per la digitalizzazione delle imprese e azioni di sistema per il digitale” | Regione Siciliana, https://www.regione.sicilia.it/istituzioni/servizi-informativi/bandi/avviso-digit-imprese-azione-122-sostegno-digitalizzazione-imprese-azioni-sistema-digitale

Bando DIGIT Imprese Sicilia: Fondo Perduto Digitale PMI – Incentivimpresa, https://www.incentivimpresa.it/digit-imprese-sicilia-fondo-perduto/

Avviso Digit – Impresa FA.IM Impianti – Ammissione istanza – EuroInfoSicilia, https://www.euroinfosicilia.it/pr-fesr-2021-2027-azione-1-2-2-avviso-digit-imprese-per-le-agevolazioni-a-sostegno-della-digitalizzazione-impresa-fa-im-impianti-ammissione-istanza-con-riserva/

PR FESR 2021/2027 – Azione 1.1.2 – Avviso Digit imprese per il sostegno all’innovazione di prodotto, di processo e di servizio – Approvazione elenchi istanze ammesse – EuroInfoSicilia, https://www.euroinfosicilia.it/pr-fesr-2021-2027-azione-1-1-2-avviso-digit-imprese-per-il-sostegno-allinnovazione-di-prodotto-di-processo-e-di-servizio-approvazione-elenchi-istanze-ammesse/

FAQ n.1 Documentazione Dov’è possibile reperire il modulo/domanda o documentazione completa per partecipare al bando in oggetto – | Regione Siciliana, https://www.regione.sicilia.it/sites/default/files/2025-10/Avviso%201.2.2%20Digit%20Imprese%20-%20FAQ%20al%203%20ottobre%202025_0.pdf

AI and Machine Learning for Official Statistics (AIML4OS) – CSO, https://www.cso.ie/en/methods/researchatthecso/aiandmachinelearningforofficialstatisticsaiml4os/